自闭症谱系障碍（ASD）是一种常见的神经发育障碍，深刻影响着个体的语言通讯、社会互动及行为认知模式。长期以来，阐明自闭症的底层生物学病理机制面临巨大挑战。其核心瓶颈在于人类大脑神经网络的高度复杂性，而现有计算神经科学模型普遍缺乏足够的精细度，难以将大脑的异质性物理结构与多时序的动态电生理活动在统一的计算框架中进行整合。
近日，数字医疗与计算生物学领域学术期刊《PLOS数字健康》（PLOS Digital Health）发表了一项创新研究论文。研究人员开发出一套名为 FEDE（High FidElity Digital brain modEl）的高保真数字脑模型系统，并成功为一名2岁的自闭症患儿构建了实时运行的个体化数字孪生（Digital twin）脑模型。该模型不仅高精度拟合了患儿实际记录的脑电波（EEG）空间与时间源动力学特征，更在非侵入条件下计算推演出隐藏于皮层深处的自闭症特异性病理异常：其全脑自发随机背景噪声高出正常标准大脑100倍，且神经网络的兴奋与抑制比（E/I ratio）失衡达正常基线的3倍。
传统的虚拟脑模型在探讨物理结构如何塑造神经元活动时，其工具链往往呈现碎片化状态——结构影像学处理管线、电导率头部模型（Forward head model）与神经网络动力学仿真器之间缺乏统一的数据接口与流转机制。为了打破这一局限，研究团队通过 FEDE 系统实现了结构组学与电生理数据的高效耦合。
研究人员首先采集了该2岁患儿的高分辨率磁共振成像（MRI）数据，用以映射大脑的物理形态与神经纤维脑区间的拓扑连接。通过引入髓鞘化（Myelination，即包裹在神经纤维外表以加速信号传导的脂肪层）参数，FEDE 能够计算出体素级（Voxel-wise）的个性化传导速度图谱，从而精确重构神经活动在传导过程中的时序延迟。此外，该数字孪生体构建了一个包含头皮、颅骨在内共12种不同组织类型的3D头部物理电导率模型，完整重现了电信号从深部脑核团向头皮表面传导的生物物理路径。
在结构动力学底座完成后，研究人员引入了多层数学模型，将这些静态影像解剖特征转化为能够模拟突触可塑性（Synaptic plasticity）与神经元放电的虚拟动态大脑。当模型与患儿外周记录的实际 EEG 脑电波进行高精度对齐校准后，一系列常规临床筛查无法直接观测的微观神经传导异常被成功捕获。
仿真计算结果表明，该自闭症数字孪生脑内部长期充斥着极高的系统性扰动，其背景电噪声强度达到了常规基线的100倍。更重要的是，模型定量证实其大脑中负责促进和抑制信号传导的神经机制严重失调，全脑局部回路的兴奋/抑制平衡（E/I balance）较正常基线出现了3倍的趋向性偏离。这种全脑神经网络的过度刺激与异常放电（Misfires），在分子生物学上高度契合了当前学术界关于自闭症神经动力学失衡的主流假说。
论文评估指出，相较于忽略髓鞘化传导速率参数的传统虚拟脑模型，FEDE 在匹配现实世界脑动态活动及皮层源定位（Source localization）的精准度上实现了显著提升。这一成果首次证明，通过单次多模态无创扫描配合计算神经科学模型，能够在统一系统内完成解剖结构与动态生理活动的高保真整合。
研究团队表示，自闭症数字孪生脑的成功构建，单靠单一技术很难实现，必须依赖临床医学、材料学和计算神经科学的跨学科结合。这一路线有望为神经发育障碍的精准个体化诊断、靶向药物虚拟筛选以及精准神经调控技术（如经颅电/磁刺激靶点选择）开辟全新范式。不过，研究人员强调，该模型在正式进入临床转化之前，仍需在更大规模、具备更高表型异质性的多中心自闭症患者队列中开展泛化性与稳定性的交叉验证。
参考文献：Michelangelo Fabbrizzi et al, A digital twin approach for simultaneous reconstruction of brain anatomy and dynamics from neural data, PLOS Digital Health (2026). DOI: 10.1371/journal.pdig.0001445
编辑：王洪
排版：李丽
评论 (0)